🐼 pandasとは？
・pandas（パンダス）は、Pythonで データの読み込み・整形・分析 を簡単に行うためのライブラリです。
・Excelやデータベースのように、表形式（表＝データフレーム） のデータを自在に扱えるのが特徴です。
🧩 pandasの主な構造
pandasには主に2つのデータ構造があります
| 構造名 | 形 | 内容 | 例 |
|---|---|---|---|
| Series1 | 1次元 | 1列のデータ（ラベル付き） | [10, 20, 30] |
| DataFrame | 2次元 | 行と列を持つ表形式のデータ | Excelの表のような構造 |
コード
test.py
import pandas as pd
data = {
"名前": ["Alice", "Bob", "Charlie"],
"年齢": [25, 30, 22],
"出身": ["東京", "大阪", "福岡"],
}
df = pd.DataFrame(data)
print(df)
実行結果
(venv) kerumatomomitsu@kerumatomomitsunoMacBook-Air stock_portfolio % python test.py
名前 年齢 出身
0 Alice 25 東京
1 Bob 30 大阪
2 Charlie 22 福岡
データの基本操作
| 操作 | コード例 | 説明 |
|---|---|---|
| 行数・列数 | df.shape | (行, 列) を表示 |
| 列を取得 | df["年齢"] | 特定の列をSeriesとして取得 |
| 条件抽出 | df[df["年齢"] > 25] | 25歳より上の行だけ取得 |
| 並べ替え | df.sort_values("年齢", ascending=False) | 年齢で降順ソート |
| 平均値 | df["年齢"].mean() | 平均を計算 |
| 新しい列追加 | df["年齢×2"] = df["年齢"] * 2 | 計算列を追加 |
| CSV出力 | df.to_csv("data.csv", index=False) | CSVファイルに保存 |
コード
pandas_basic_operations.py
import pandas as pd
# === サンプルデータ作成 ===
data = {
"名前": ["Alice", "Bob", "Charlie", "David", "Eve"],
"年齢": [25, 30, 22, 28, 35],
"出身": ["東京", "大阪", "福岡", "札幌", "名古屋"],
}
df = pd.DataFrame(data)
print("=== 元のデータ ===")
print(df)
print()
# === 行数・列数を表示 ===
print("① 行数・列数:")
print(df.shape) # (行, 列)
print()
# === 特定の列を取得 ===
print("② 列を取得（年齢）:")
print(df["年齢"])
print()
# === 条件抽出 ===
print("③ 条件抽出（年齢 > 25）:")
print(df[df["年齢"] > 25])
print()
# === 並べ替え ===
print("④ 並べ替え（年齢で降順ソート）:")
print(df.sort_values("年齢", ascending=False))
print()
# === 平均値 ===
print("⑤ 年齢の平均値:")
print(df["年齢"].mean())
print()
# === 新しい列の追加 ===
df["年齢×2"] = df["年齢"] * 2
print("⑥ 新しい列の追加（年齢×2）:")
print(df)
print()
# === CSV出力 ===
df.to_csv("data.csv", index=False, encoding="utf-8-sig")
print("⑦ CSVファイルを保存しました → data.csv")
実行結果
(venv) kerumatomomitsu@kerumatomomitsunoMacBook-Air stock_portfolio % python pandas_basic_operations.py
=== 元のデータ ===
名前 年齢 出身
0 Alice 25 東京
1 Bob 30 大阪
2 Charlie 22 福岡
3 David 28 札幌
4 Eve 35 名古屋
① 行数・列数:
(5, 3)
② 列を取得（年齢）:
0 25
1 30
2 22
3 28
4 35
Name: 年齢, dtype: int64
③ 条件抽出（年齢 > 25）:
名前 年齢 出身
1 Bob 30 大阪
3 David 28 札幌
4 Eve 35 名古屋
④ 並べ替え（年齢で降順ソート）:
名前 年齢 出身
4 Eve 35 名古屋
1 Bob 30 大阪
3 David 28 札幌
0 Alice 25 東京
2 Charlie 22 福岡
⑤ 年齢の平均値:
28.0
⑥ 新しい列の追加（年齢×2）:
名前 年齢 出身 年齢×2
0 Alice 25 東京 50
1 Bob 30 大阪 60
2 Charlie 22 福岡 44
3 David 28 札幌 56
4 Eve 35 名古屋 70
⑦ CSVファイルを保存しました → data.csv
⚙️ pandasのメリットまとめ
| 特徴 | 説明 |
|---|---|
| ✅ Excelより高速 | 数百万行のデータも効率的に処理できる |
| ✅ コードで自動化可能 | 手作業不要、再現性あり |
| ✅ 強力な統計関数 | 平均・分散・グループ集計も1行で可能 |
| ✅ 他のライブラリと連携 | matplotlib, NumPy, scikit-learnなど |